基于视觉图像处理的路面裂缝量测算法研究

利用机器视觉图像处理方法,针对传统的人工测量高速公路路面裂缝方法的多种弊端,提出一种对高速公路路面裂缝的图像信息进行自动分析处理的新算法,采用几何学原理,将现实世界的三维坐标,投影为二维信息,通过一系列的转换,可以精确地得到裂缝的长度与面积。实验结果表明,可以较精确地测量出裂缝的长度、宽度及面积,为高速公路路面裂缝的分析和管理提供了技术基础。     

基于多种算法的高速公路路面裂纹检测分析

为了提高高速公路路面裂纹检测的精确性和高效性,提出了高速公路路面裂纹检测车检测装置的设计方案。首先是通过对路面动态检测系统的设计与选型,研究设计出路面图像采集系统,然后把数据图像传递并保存在计算机中;基于多种算法进一步提取线性特征识别出裂缝目标,通过对裂缝的长度、宽度进行计算,进而求出裂缝面积等操作,得到比较满意的处理图像结果。结果表明:该装置节省人工时耗,提高了路面裂纹检测的精度和效率,改善了经济效益,可为今后的高速公路路面裂纹检测分析提供基础。     

基于深度学习方法的路面裂缝目标检测

公路和城市道路最主要的路面损坏类型是裂缝类病害。能否准确识别,尤其在众多路面信息图像中高效甄别各类表观病害,为路面技术状况评定、养护科学决策和路面病害处置提供基础数据,是当前领域研究的重难点。为此,对横向裂缝、纵向裂缝、斜裂缝长度类和龟裂、破损板面积类等典型裂缝类病害几何特征进行分析,确定了自动识别裂缝样本标注方法,构建了路面裂缝目标检测样本库,包含沥青裂缝长度类图像样本6 311个、龟裂面积类图像样本4 086个、水泥裂缝长度类图像样本37 945个、破碎板面积类图像样本7 310个。基于Faster-RCNN进行训练验证,开展路面裂缝目标检测并实现自动识别。利用北京市政道路2 000 km路面图像进行试验验证,并与路面裂缝Unet分割自动识别方法进行对比。试验结果表明,开展路面裂缝目标检测可通过提出的深度学习方法,有效提高召回率和准确率,其值高达85%以上,自动识别运行效率为12.3帧/s,与Unet分割自动识别方法对比更接近路面裂缝实际情况。     

路面裂缝检测图像处理算法的研究

采用图像滤波和图像二值化方法,分析了几种图像处理算法,实现了针对路面裂缝图像的处理分析,获得了较好的图像处理效果,着重研究了均值滤波、中值滤波、维纳滤波、直方图阈值分割法、类间方差阈值分割法等几种滤波和二值化算法.通过大量的野外试验和对实际裂缝的测量比较分析,证明该算法可以取得较好的裂缝形状,实现对路面裂缝的精确检测.     

基于数学形态学的路面裂缝图像处理技术

为精确提取路面裂缝信息,将数学形态学方法应用于路面裂缝图像的分析与处理中。首先将目标图像二值化并通过全局阈值法对其进行预处理,然后通过数学形态学的开、闭运算去除图像噪声;为修补裂缝断裂,对目标图像进行膨胀、细化循环操作;为捕获目标图像边缘的有效信息,通过形态学边缘检测算子对图像边缘进行叠加与捕获。最后,采用轮廓链码方法对检测结果进行计算。结果表明,单一纵向裂缝循环14次最佳,路面龟裂循环37次最佳。经数学形态学方法进行处理的裂缝计算结果与实际检测结果相比误差小于5%。     

高速公路路面裂缝识别算法研究

经过研究给出了不均匀光照的路面裂缝图像识别的详细算法。算法采用多窗口中值滤波进行图像平滑,既能去除图像的噪声点,又较好地保留了裂缝的边缘信息;使用背景子集图像插值校正法进行灰度校正,有效地克服了不均匀成像对后期图像分割的影响;采用otsu阈值分割、形态学去噪及连通区域标记完成裂缝图像分割;选用连通区域个数、投影特征和分布密度3个参数完成裂缝分类;最后提取裂缝长度、宽度和破损面积等裂缝参数。实验结果显示分类准确率为94%,线状裂缝长度误差均值为7.2%,宽度误差均值为11.3%,非线状裂缝的面积误差均值为9.6%,表明这一方法有效、可靠。      

隧道衬砌裂缝精细化识别及其评价

为了研究隧道衬砌裂缝形态的精确描述与特征量化,采用隧道衬砌全景图像的方法,以某隧道工程为依托,通过隧道衬砌展开影像生成器软件将采集的衬砌裂缝影像进行特征点提取、匹配、模型识别、图像展开与拼接处理,得到较为全面反映隧道衬砌全景展开图像。从图像增强的预处理、图像边缘检测、裂缝特征区域干扰点去除、裂缝连接及特征统计方面进行算法分析,并通过连通区域标记方法寻找裂缝的端点来确定缺陷在图像中的空间位置及角度方向,运用裂缝像素位置关系原理进行裂缝长度的换算统计,从而提取出衬砌裂缝的详细特征信息,开发出一套隧道表面衬砌裂缝识别评价系统,为隧道衬砌裂缝检测提供一种便捷、高效、全面的综合检测系统。结果表明:该方法运用自主开发的TLIM软件实现了将空间图像转为平面图像,具有很好的描述性及测量性;通过实践证明该方法大大降低了"伪裂缝"的干扰,提高了对裂缝识别的准确率;该方法实现了裂缝的有效连接与连接段裂缝种子的恢复,还原真实裂缝形态信息,从而可以得到详细完整的裂缝统计特征信息;该技术方法实现了对缺陷的精细化描述定位,主要从其裂缝位置、长度、方向等方面进行量化分析;该技术方法目前已在具体工程中获得应用且效果尚佳。     

双目视觉技术在城市道路路面裂缝检测中的应用

针对传统城市道路路面裂缝检测效率低下、成本过高等问题,提出了一套基于双目视觉与数字化图像处理的自动化检测方法。用一对CCD工业相机同时采集道路表面裂缝,再对图像进行数字二值化处理以提取裂缝特征点,根据双目视觉理论计算特征点的坐标,由此计算路面裂缝的最大宽度和最大长度,从而实现对城市道路路面裂缝的快速自动化测量。计算结果表明:被测路面裂缝的最大宽度与最大长度测量误差分别控制在10%和1%以内,符合相关技术标准要求,且检测耗时大为缩短。     

在建高速公路水稳基层裂缝形成原因分析

为分析在建高速公路路面基层出现的纵、横裂缝原因,本文依托在建蚌淮高速公路路面工程项目,调查在建路面出现的各种基层裂缝状况,从实践和理论上分析这些裂缝产生的原因。分析结果表明,不良的路基和没有严格的施工控制是在建路面基层出现裂缝的重要原因,环境温度的变化加剧了这种病害的发展。文章最后指出处理裂缝的方法及在建路面基层裂缝的预防措施。     

基于Faster R-CNN与形态法的路面病害识别

为提高基于图像处理的路面表观病害检测识别效率及精度,引入目标检测中的快速区域卷积神经网络（Faster Region Convolutional Neural Network,Faster R-CNN）算法以快速识别病害种类、位置与面积;针对已提取的带边框裂缝病害区域,采用基于VGG16迁移学习与模型微调的CNN与50%重叠率的滑动窗口定位裂缝骨架,进而利用形态法操作提取裂缝形态,计算其长度与宽度;针对Faster R-CNN算法在病害种类识别时漏检率低但误检率偏高的问题,引入精确率、召回率和F₁分数指标对算法进行评估,并根据F₁分数最大值确定相应的病害框像素面积及置信度阈值来降低误检率,以适应路面表观病害多样化的应用场景。运用开发的病害识别算法对广东一高速公路路面进行表观检测。结果表明：所提方法对典型裂缝图片的识别效率及精度均高于单独应用CNN滑动窗口和传统形态法的全局图像处理方法;对分段的裂缝边界框进行合并,且病害框像素面积及置信度阈值取优化值后,横向裂缝精确率由合并前的0.861提升至合并后的0.918,横向及纵向裂缝误检率则分别由调整前的20.4%和23.8%下降至调整后的8.2%和6.9%,漏检率则稍有提高。基于Faster R-CNN、CNN及形态法的路面病害识别方法具有工作高效、漏检率低的优点,在引入评估指标、最优病害框像素面积与置信度阈值后,病害误检率也大幅降低,具有潜在工程应用价值。